Agentic ZERO
産業特化型ビジョン基盤モデル「ZERO」を、お客様の現場に合わせて最適化します。
お客様のデータを受け取ると、エージェントがZEROの設定を調整しながら、精度を高めていきます。
精度 0.610 → 0.968 +59%
データ499枚、6時間22分を要しました。
AIエージェントが、モデルを現場に最適化すること、運用しながら再学習すること、新しいモデルを設計することを担います。
運用者は、基準を定め、結果を確認します。
顧客データに合わせて最適化
性能低下時に再学習
次の学習に活用する運用データ
新しいモデルを設計
AIエージェントというと、一般的には、完成したAIを使って業務を処理してくれるエージェントを思い浮かべます。
Superb AIのエージェントは、その一歩手前で働きます。現場に導入するAIを設計し、最適化し、学習させるエージェントです。
現場導入に最適なAIをつくる、Superb AIのエージェント
完成したAIを使って業務を行う、一般的なエージェント
Agentic Model Factory(AIモデル構築の自律化)の3つのトラックを、今すぐ導入できるものから順にご紹介します。
産業特化型ビジョン基盤モデル「ZERO」を、お客様の現場に合わせて最適化します。
お客様のデータを受け取ると、エージェントがZEROの設定を調整しながら、精度を高めていきます。
精度 0.610 → 0.968 +59%
データ499枚、6時間22分を要しました。
検出モデルやVLMなどのモデルを構築・高度化する作業をエージェントが担います。運用担当者が目標を伝えると、エージェントがSuperb Platformのデータ選定・ラベリング、モデルの学習・評価、デプロイ機能を人に代わって直接操作し、必要な作業を選んで実行します。
318枚のデータで、8分以内に性能を向上
データ選定からデプロイ・実環境での検証まで、AIエージェントが実行
これまで研究者が担ってきたモデル設計を、エージェントが実行します。
公開論文から得られる知見をもとにモデル構造を設計し、学習・評価を行う。結果を分析し、次の設計に反映する。このサイクルをエージェントが自律的に繰り返し、モデルを改善していきます。その結果、開発したモデルは、同じサイズ帯で公開されているモデルの最高記録を上回る性能を達成しました。
YOLOより高い精度を、すべてのモデルサイズで
同等以下のパラメータ数で、YOLO26 S・L・Xに対して+1.7~+3.4 AP。3週間、AIエージェントによる自律改善を継続
3つのトラックは、同じ改善サイクルで動きます。運用者が基準を設定すると、AIエージェントがそれに合わせて変更を試し、スコアが向上したものだけを残します。
異なるのは、変更する対象です。それぞれZEROの設定、Platform上の作業、モデル構造を変えながら、繰り返し改善します。
お客様のデータとともに、何を「良い」とみなすかの基準を入力します。
エージェントが直前のラウンドで間違えた事例を読み取り、次に試す方法を選びます。例示と指示の調整、画像の読み方の変更、追加学習のいずれかです。
検出対象の例示 · 除外する対象 · 画像の分割 · 結果の再採点 · 追加学習
学習に使っていない試験データで、もう一度スコアを測ります。偶然とは考えにくいほど良くなった変更だけを残し、採用・不採用の理由を記録に残します。
+10〜+132%精度
A100 GPU 1枚で14回実行、合計88.5時間
運用者が「このデータで検出モデルをつくってデプロイしてほしい」のように目標を伝えます。
AIエージェントがSuperb Platformの機能を、運用者に代わって直接操作します。データを選定して不足しているシーンを見つけ、ラベリング、学習、評価を行った後、デプロイします。結果を見て、次に行う作業も自ら判断します。
データ選定・ラベリング・モデル学習・評価・デプロイ
デプロイしたモデルにテスト画像を入れて結果を確認し、根拠とともに報告します。どこまで自動化するかは運用者が決めます。
8分以内に性能を向上
データ選定・ラベリング・学習・評価・デプロイをAIエージェントが自動実行
目標推論速度、メモリ上限、未対応演算をあらかじめ条件として設定します。
エージェントが公開文献を根拠に候補を設計し、学習させ、定めた基準で検証します。
モデル構造 · 学習方法
基準を超えたモデルだけを残します。失敗した実験も原因とともに記録します。
+25%精度
32回のループで、同等のモデルサイズのYOLO26を上回る精度に到達
AIエージェントが提案した変更232件のうち、テストデータで明確な性能向上が確認された34件のみを採用しました。
採用した変更は、学習に使っていないデータでも精度向上を確認できました。
| データセット | 枚数 | ラウンド | 最適化前の精度 | 最適化後の精度 | 改善率 |
|---|---|---|---|---|---|
| cell-towers | 705 | 11 | 0.252 | 0.585 | +132% |
| cable-damage | 919 | 10 | 0.328 | 0.635 | +94% |
| water-meter | 499 | 9 | 0.610 | 0.968 | +59% |
| soccer-players | 114 | 8 | 0.623 | 0.942 | +51% |
| aquarium | 448 | 11 | 0.563 | 0.694 | +23% |
| soda-bottles | 1,547 | 9 | 0.806 | 0.906 | +12% |
| aerial-spheres | 318 | 11 | 0.898 | 0.989 | +10% |
AIエージェントがAIをつくり、運用するには、3つの要素が必要です。
現場に合わせたモデル、呼び出して使える運用ツール、そして学習に使うデータ。
Superb AIは、この3つを一つのパイプラインに統合しています。だからエージェントは、データを使い、モデルを改善し、その結果をまた次の改善につなげられます。

産業特化型ビジョン基盤モデルZEROを、自社で開発・運用してきました。
モデル設計から推論設定、再学習まで、モデルのさまざまな部分を柔軟に調整できます。

MLOpsプラットフォームとデータエンジンが、ひとつのパイプラインとして接続されています。
エージェントがデータ診断、ラベリング、学習、評価、デプロイなどのツールを呼び出すための仕組みを、ゼロから構築する必要はありません。

1億3,000万枚以上の産業用視覚データを精製してきました。NVIDIAのフィジカルAIエコシステムにおける、韓国唯一の企業です。
Superb AIは、産業現場の視覚データを企業が活用できる知能へ転換する、ビジョンインテリジェンス企業です。
ロボットが学ぶデータをつくるフィジカルAIデータファクトリーと、そのデータで学ぶモデルをつくり運用するAgentic Model Factoryが、一つのパイプラインでつながります。
目的に応じてご覧ください。
Agentic Model Factoryとは何ですか
Agentic Model Factoryは、Superb AIが提供する、AIエージェントによって画像認識AIモデルの設計・最適化・学習を自動化し、本番環境への展開を支援するシステムです。これまで各現場で担当者が繰り返し行っていたモデル設計や最適化、再学習などの作業をAIエージェントが担い、担当者は求める精度や評価基準を設定し、生成された結果を確認・判断します。Agentic Model Factoryは、Agentic ZERO、Agentic MLOps、Agentic Researchの3つのトラックで構成され、AIモデルの開発から継続的な改善、研究・検証までをAIエージェントが支援します。これにより、現場ごとに繰り返されていた画像認識AIモデルの開発・改善プロセスを効率化し、より迅速な本番環境への展開を実現します。
Agentic ZEROとは何ですか
Agentic ZEROは、Superb AIの産業特化型ビジョン基盤モデル「ZERO」を、お客様のデータに合わせて最適化するトラックです。AIエージェントが複数回にわたってさまざまな設定を自動的に検証し、ZEROに与える画像や指示、画像の読み取り方法、ファインチューニングの実施有無などを調整します。各ラウンドで生成されたモデルを、学習に使用していないテストデータで評価し、スコアが向上した変更だけを採用することで、お客様のデータや用途に適したZEROへと継続的に最適化します。
一般に言われるAIエージェントと何が違いますか
一般的なAIエージェントは、AIモデルが完成し本番環境に導入された後、そのAIを使って業務を実行します。一方、Superb AIのAIエージェントは、AIが導入される前の開発プロセスに働きかけます。本番環境で使用するAIモデルの設計、最適化、学習までをAIエージェント自身が担います。
一般に「エージェント型ツール(Agentic Tooling)」と呼ばれる技術は、人がAIエージェントを管理・操作するためのものです。これに対してSuperb AIのエージェントは、人やエージェントを管理するのではなく、AIモデルそのものを設計・最適化・改善します。つまり、AIを使って仕事をするだけでなく、本番環境で使われるAIそのものをAIエージェントが作り、継続的に改善することがSuperb AIのAgentic AIの特徴です。
AIエージェントに再学習を任せても、適切に管理できますか?
運用者があらかじめ判断基準と自動化の範囲を設定し、エージェントはその範囲内でのみ動作します。
変更の採用・棄却と、その判断根拠はすべて記録されます。運用者はループをいつでも停止でき、変更内容とその理由を確認できます。これにより、AIによる継続的な改善を、運用者の管理下で進められます。
AIエージェントがモデルをつくるとは、どういう意味ですか
既製のAIモデルを人が選択して調整するのではなく、AIエージェントが対象となる課題に合わせてモデルを設計し、学習・検証までを行います。モデルの設計には、公開されている研究論文やソースコードなどの知見を活用します。
また、モデル設計を開始する前に、目標とする推論速度、メモリ容量の制限、対応できない演算処理などの要件や制約条件をあらかじめ設定します。これらの条件を踏まえてAIエージェントがモデルを設計・学習・検証することで、用途や導入環境に適したAIモデルの開発を支援します。
お客様のデータは学習に利用されますか?
お客様からお預かりしたデータは、そのお客様のモデルを最適化する目的にのみ使用します。データの処理範囲や保管期間は、契約に明記します。また、オンプレミスを含む隔離された環境へのデプロイにも対応しています。
今すぐ利用できますか?
現在、実際の現場で検証をご一緒できる企業を探しています。お持ちのデータと現在の課題をお聞かせいただければ、どのトラックが適しているか、検証の進め方とあわせてご提案します。

お手伝いできること
Superb AIがどのようにお役立ちできるかをご紹介します:
より効果的なデータセットをキュレートして、モデルの性能を15%以上向上させましょう。
10倍速く、より正確なコンピュータビジョンのデータセットを構築しましょう。
たった数クリックでAIモデルをトレーニング、診断し、デプロイしましょう。
世界をリードするAIチームの選択






"Superb Platformは非常に役立っており、強力なAIベースのデータキュレーション機能が追加され、これによりさらに最適化されました。データセットを自動キュレーションし、誤ラベルをキュレートする機能により、迅速かつ簡単に高品質なデータセットを構築することができました。"

Blaine Bateman, Chief Data Scientist